Ανάλυση συναισθήματος με χρήση τεχνικών μηχανικής μάθησης

H συνεχόμενη ανάπτυξη του διαδικτύου δημιούργησε νέους τρόπους επικοινωνίας. Τα social media παράγουν ένα τεράστιο όγκο δεδομένων σε μορφή κειμένου, τα οποία παρέχουν πληροφορίες για τις απόψεις και τα συναισθήματα των χρηστών. Σκοπός της Εξόρυξης Δεδομένων (Data Mining) και Ανάλυσης Συναισθήματος (...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Χριστοπούλου, Αικατερίνη
Άλλοι συγγραφείς:	Κωτσιαντής, Σωτήριος
Μορφή:	Thesis
Γλώσσα:	Greek
Έκδοση:	2018
Θέματα:	Ανάλυση συναισθήματος Κοινωνικά δίκτυα Επιβλεπόμενη μηχανική μάθηση Μη-επιβλεπόμενη μηχανική μάθηση Τεχνικές με λεξικά Μικρο-ιστολόγια Πολικότητα κειμένου Ταξινομητές Πολυωνυμικός «αφελής» Διανυσμάτων υποστήριξης Sentiment analysis Social networks Supervised machine learning learning Unsupervised machine learning Lexicon Microblogs Classifier Text polarity Multinomial naive bayes Support Vector Machines (SVM) 006.312
Διαθέσιμο Online:	http://hdl.handle.net/10889/11186

id	nemertes-10889-11186
record_format	dspace
spelling	nemertes-10889-111862022-09-05T14:01:18Z Ανάλυση συναισθήματος με χρήση τεχνικών μηχανικής μάθησης Sentiment analysis with machine learning Χριστοπούλου, Αικατερίνη Κωτσιαντής, Σωτήριος Κωτσιαντής, Σωτήριος Ράγγος, Όμηρος Δημητρίου, Ιωάννης Christopoulou, Aikaterini Ανάλυση συναισθήματος Κοινωνικά δίκτυα Επιβλεπόμενη μηχανική μάθηση Μη-επιβλεπόμενη μηχανική μάθηση Τεχνικές με λεξικά Τεχνικές με λεξικά Μικρο-ιστολόγια Πολικότητα κειμένου Ταξινομητές Πολυωνυμικός «αφελής» Διανυσμάτων υποστήριξης Sentiment analysis Social networks Supervised machine learning learning Unsupervised machine learning Lexicon Microblogs Classifier Text polarity Multinomial naive bayes Support Vector Machines (SVM) 006.312 H συνεχόμενη ανάπτυξη του διαδικτύου δημιούργησε νέους τρόπους επικοινωνίας. Τα social media παράγουν ένα τεράστιο όγκο δεδομένων σε μορφή κειμένου, τα οποία παρέχουν πληροφορίες για τις απόψεις και τα συναισθήματα των χρηστών. Σκοπός της Εξόρυξης Δεδομένων (Data Mining) και Ανάλυσης Συναισθήματος (Sentiment Analysis) είναι η επεξεργασία των πληροφοριών αυτών και η εξαγωγή συμπερασμάτων ως προς τα συναισθήματα των χρηστών και τη πολικότητα του κειμένου. Το οποίο είναι πολύ χρήσιμο κυρίως στην εξέλιξη και ανάπτυξη των εταιρειών. Η παρούσα διπλωματική εργασία μελετάει τις τεχνικές και τα εργαλεία της Ανάλυσης Συναισθήματος. Έπειτα, εξετάζονται οι κατηγορίες των τεχνικών Ανάλυσης Συναισθήματος, οι οποίες είναι οι τεχνικές με λεξικά, τεχνικές με επιβλεπόμενη και μη-επιβλεπόμενη μηχανική μάθηση. Στη συνέχεια γίνεται μελέτη και σύγκριση διαφορετικών μοντέλων κατηγοριοποίησης κειμένων από σελίδες κριτικής ταινιών (IMDb). Αλγόριθμοι που θα χρησιμοποιηθούν είναι ο Πολυωνυμικός «Αφελής» Bayes (Multinomial Naive Bayes) και οι Μηχανές Διανυσμάτων Υποστήριξης (SVM). Τα μοντέλα κατηγοριοποίησης υλοποιούνται μέσω του προγραμματιστικού περιβάλλοντος Weka. The continuous development of the internet has created new ways of communications. Social media produce a vast amount of information about the users’ opinions and sentiments. The aim of Data Mining and Sentiment Analysis is to process this data and export conclusions, regarding the polarity of a text. Sentiment Analysis has become a main priority for every company and organization. In this dissertation different methods of sentiment analysis will be examined. Those methods are Dictionary Based techniques, Supervised and Unsupervised Machine Learning, as well as their combination. Finally there will be a comparison and examination of the application of different classifiers on a data set from a movie review site (IMDb). The Algorithms used are the Multinomial Naive Bayes and Support Vector Machines. The models for the classification will be implemented through the programming environment “Weka”. 2018-04-12T06:28:41Z 2018-04-12T06:28:41Z 2017-09 Thesis http://hdl.handle.net/10889/11186 gr 0 application/pdf
institution	UPatras
collection	Nemertes
language	Greek
topic	Ανάλυση συναισθήματος Κοινωνικά δίκτυα Επιβλεπόμενη μηχανική μάθηση Μη-επιβλεπόμενη μηχανική μάθηση Τεχνικές με λεξικά Τεχνικές με λεξικά Μικρο-ιστολόγια Πολικότητα κειμένου Ταξινομητές Πολυωνυμικός «αφελής» Διανυσμάτων υποστήριξης Sentiment analysis Social networks Supervised machine learning learning Unsupervised machine learning Lexicon Microblogs Classifier Text polarity Multinomial naive bayes Support Vector Machines (SVM) 006.312
spellingShingle	Ανάλυση συναισθήματος Κοινωνικά δίκτυα Επιβλεπόμενη μηχανική μάθηση Μη-επιβλεπόμενη μηχανική μάθηση Τεχνικές με λεξικά Τεχνικές με λεξικά Μικρο-ιστολόγια Πολικότητα κειμένου Ταξινομητές Πολυωνυμικός «αφελής» Διανυσμάτων υποστήριξης Sentiment analysis Social networks Supervised machine learning learning Unsupervised machine learning Lexicon Microblogs Classifier Text polarity Multinomial naive bayes Support Vector Machines (SVM) 006.312 Χριστοπούλου, Αικατερίνη Ανάλυση συναισθήματος με χρήση τεχνικών μηχανικής μάθησης
description	H συνεχόμενη ανάπτυξη του διαδικτύου δημιούργησε νέους τρόπους επικοινωνίας. Τα social media παράγουν ένα τεράστιο όγκο δεδομένων σε μορφή κειμένου, τα οποία παρέχουν πληροφορίες για τις απόψεις και τα συναισθήματα των χρηστών. Σκοπός της Εξόρυξης Δεδομένων (Data Mining) και Ανάλυσης Συναισθήματος (Sentiment Analysis) είναι η επεξεργασία των πληροφοριών αυτών και η εξαγωγή συμπερασμάτων ως προς τα συναισθήματα των χρηστών και τη πολικότητα του κειμένου. Το οποίο είναι πολύ χρήσιμο κυρίως στην εξέλιξη και ανάπτυξη των εταιρειών. Η παρούσα διπλωματική εργασία μελετάει τις τεχνικές και τα εργαλεία της Ανάλυσης Συναισθήματος. Έπειτα, εξετάζονται οι κατηγορίες των τεχνικών Ανάλυσης Συναισθήματος, οι οποίες είναι οι τεχνικές με λεξικά, τεχνικές με επιβλεπόμενη και μη-επιβλεπόμενη μηχανική μάθηση. Στη συνέχεια γίνεται μελέτη και σύγκριση διαφορετικών μοντέλων κατηγοριοποίησης κειμένων από σελίδες κριτικής ταινιών (IMDb). Αλγόριθμοι που θα χρησιμοποιηθούν είναι ο Πολυωνυμικός «Αφελής» Bayes (Multinomial Naive Bayes) και οι Μηχανές Διανυσμάτων Υποστήριξης (SVM). Τα μοντέλα κατηγοριοποίησης υλοποιούνται μέσω του προγραμματιστικού περιβάλλοντος Weka.
author2	Κωτσιαντής, Σωτήριος
author_facet	Κωτσιαντής, Σωτήριος Χριστοπούλου, Αικατερίνη
format	Thesis
author	Χριστοπούλου, Αικατερίνη
author_sort	Χριστοπούλου, Αικατερίνη
title	Ανάλυση συναισθήματος με χρήση τεχνικών μηχανικής μάθησης
title_short	Ανάλυση συναισθήματος με χρήση τεχνικών μηχανικής μάθησης
title_full	Ανάλυση συναισθήματος με χρήση τεχνικών μηχανικής μάθησης
title_fullStr	Ανάλυση συναισθήματος με χρήση τεχνικών μηχανικής μάθησης
title_full_unstemmed	Ανάλυση συναισθήματος με χρήση τεχνικών μηχανικής μάθησης
title_sort	ανάλυση συναισθήματος με χρήση τεχνικών μηχανικής μάθησης
publishDate	2018
url	http://hdl.handle.net/10889/11186
work_keys_str_mv	AT christopoulouaikaterinē analysēsynaisthēmatosmechrēsētechnikōnmēchanikēsmathēsēs AT christopoulouaikaterinē sentimentanalysiswithmachinelearning
_version_	1771297259151949824

Ανάλυση συναισθήματος με χρήση τεχνικών μηχανικής μάθησης

Παρόμοια τεκμήρια